基于微博数据挖掘的贝叶斯观点演化模型

刘颖　方爱丽　魏新江

摘要： 考虑到在微博信息传播过程中，每一位网络用户的观点都受到其前一位网络用户观点的影响，提出建立基于微博数据挖掘的贝叶斯观点演化模型。以“动态清零政策是我国抗疫总方针”为关键话题词，利用Python爬取微博评论数据，经过数据预处理和分词，对贝叶斯观点演化模型进行实证分析，结果发现官方媒体对舆情的及时引导对情感演化倾向起到重要作用。

关键词： 微博；情感分析；观点演化；贝叶斯更新

中图分类号： O29文献标识码： A

Bayesian Opinion Evolution Model Based on Weibo Data Mining

LIU Ying， FANG Aili， WEI Xinjiang

Abstract：Considering that in the process of microblog information dissemination， the opinion of each network user is influenced by the opinions of the previous network user. Therefore， we propose a Bayesian opinion evolution model based on weibo data mining. With “dynamic zero policy is the general policy of China′s fight against the epidemic” as the key word， Python is used to crawl the Weibo comment data. After data preprocessing and word segmentation， the Bayesian opinion evolution model is empirically analyzed. Empirical analysis shows that the timely guidance of public opinion by official media plays an important role in sentiment evolution tendency.

Key words： weibo; sentiment analysis; opinions evolution; Bayesian updating

0 引言

隨着信息化时代的到来，人们更倾向于浏览新媒体上传播的新闻。截至2021年12月，中国网民规模达到10.32亿，互联网普及率高达73%［1］。国家借助社交网络发布政策，网民在社交网络上发表个人观点，由此各大网络平台成为热点舆论聚集地，尤其微博已逐步成为舆情发酵和演化的主要平台，并且逐渐影响着大众舆情的走势［2-4］。由于微博具有网民互动及时性、便捷性，各种政策新闻也会通过官方媒体发布在微博上，借助于微博进行信息传播。部分网络用户浏览到新闻时会在微博上进行情感表达，并且表达的情感内容也会迅速感染浏览其微博内容的其他网络用户的情绪，进而导致舆论爆发［5-6］。本文从微博情感演化的角度出发，通过网络爬虫抓取新浪微博评论数据进行观点演化趋势分析，以探寻国家发布政策后，官方媒体等报道对最终舆情演化的影响，这对于建立健全舆情控制机制具有重要的应用价值与现实意义。

目前微博情感分析是当下研究舆情演化的热点，而我们的观点也蕴含在情感表达中，所以可以借助情感分析手段进行观点演化研究。采用citespace工具，以微博、情感分析和观点演化为关键词在知网上检索文献，对相关程度最高的前500篇文献进行关键词共现分析，得到共现网络如图1所示。从图1可以得出中心度最强的是“情感分析”，可见情感分析确实是微博上观点演化的重要分析工具。进一步分析文献可以发现，目前对于情感分析的研究方法大致分为3类：情感词典、深度学习和机器学习。情感词典相关内容主要包括微博舆情、主题提取、特征选择和表情词典等；深度学习相关内容主要包括社交网络、微博评论、情感计算和谣言检测等；机器学习相关内容主要包括社交媒体、特征选择、情感分类和深度学习等。基于上述方法，学者们已经取得了很多成果，如杨爽等［7］提出基于SVM的情感分类方法，得到了82.4%的准确率；徐军等［8］将机器学习的方法用于情感分析，最高准确率达到90%。Wajdi Aljedaani等［9］提出了一种基于词典的方法与深度学习模型相结合的混合情绪分析（LSTM-GRU）方法，以提高情感分类的准确性，精度最高达到0.97。

相对于这些精心设计的更复杂的机器学习算法，朴素贝叶斯算法是学习效率和分类效果较好的分类器之一。贝叶斯方法是以贝叶斯原理为基础，结合先验概率和后验概率，既避免了只使用先验概率的主观偏见，也避免了单独使用样本信息的过拟合现象，因此贝叶斯算法的误判率很低，能够在数据集较大的情况下表现出较高的准确率，同时算法本身也比较简单，在实际数据分析中得到了广泛的应用，其中，学者Veny Amilia Fitri等［10］通过在RapidMiner工具中使用朴素贝叶斯算法，对Twitter上印度尼西亚的反LGBT运动的情感观点进行研究，准确性为86.43%，高于其他算法；Gonzalo A. Ruz等［11］用贝叶斯网络分类器对西班牙语的两个数据集“2010年智利地震”和“2017年加泰罗尼亚独立公投”进行情感分析，结果表明，在给定足够数量的训练样本的情况下，使用贝叶斯因子度量的有效性及其预测结果比支持向量机和随机森林更好；Muhammad Bilal等［12］对博客观点通过WEKA使用了3种分类模型进行文本分类，结果表明，朴素贝叶斯在准确性、精确度、召回率和F测度方面优于决策树和KNN；Duc Anh Nguyen等［13］提出一个框架，可以提高贝叶斯模型的性能，尤其对于短文本来说，有很大的优势。目前，微博作为广泛使用的社交媒体，其短文本特征使得观点信息得以快速传播，而且利用贝叶斯方法能够很好地整合个人观点与观察信息，贝叶斯社会学习模型可以用来研究微博用户观点的演化趋势。

贝叶斯社会学习模型常用于研究如何将对社会的观察整合到理性贝叶斯推理过程中，例如Krafft P M等［14］认为与人们凭借自身先验信念做出决策相比，通过结合社会信息进行决策可以产生更好的决策；Ali Jadbabaie等［15］提出一种非贝叶斯动态演化模型，将个人的贝叶斯后验观点与邻居观点的线性组合作为个人最终观点更新法则；AiliFang［16］提出将社区内个人的观点更新为他自己的贝叶斯后验观点和邻居观点的加权线性组合，而社区外的不知情个人没有私人信号，只将邻居的加权平均观点作为自己的观点。在社会网络中，社区的连通性和信号来源都会影响到最终观点的演化；Navarro等［17］认为当进行社会学习的群体不同时，具有更强偏见的人将不同程度地导致信息传递遭到扭曲破坏；Bill Thompson等［18］提出了简单形式的累积文化进化的贝叶斯分析，发现人们归纳信息存在的偏差限制了文化进化的进程。在实际中，通过数据挖掘，采用贝叶斯方法分析观点演化也是切实可行的，例如Chin-Chia Hsu等［19］研究了Twitter社交网络上的新闻传播，发现了虚假新闻比真实新闻在社交网络上传播更广泛，为真实新闻的传播提供了理论微观基础；Stefanos Zervoudakis等［20］利用Twitter旅游业方面的数据设计了一个基于贝叶斯的观点挖掘模型，预测用户访问某个地方的意图，模型同样也适用于其他主题的观点挖掘。

综上所述，用贝叶斯方法研究观点演化不论在理论还是实际中都是切实有效的，在当前全民抗击新冠疫情的背景下，为了了解大众对中国抗疫政策的观点态度，本文对“动态清零是我国抗疫总方针”政策在微博上的情感演化趋势进行了数据挖掘，建立贝叶斯观点模型进行实证分析，进而研究官方媒体的正向报道对大众观点演化的影响以及舆情演化的趋势。

1 贝叶斯观点演化模型

1.1 观点

关于微博上某话题，人们都会持有自己的观点。微博用户一般会通过发表微博表达观点。假设用户发表的微博评论可分为积极和消极两种观点，分别用zP和zN表示，则P（zP）和P（zN）分别表示积极观点和消极观点用户的概率，满足P（zP）+P（zN）=1。特别地，若P（zP）=1（或者P（zP）=1），则意味着所有的微博用户对该话题都持有积极（消极）观点，此时群体观点达到一致。

1.2 微博转发网络

微博转发是微博上信息传播的主要途径。设t用户发表了关于某主题的微博，后面的用户看到该微博并转发，同时发表了自己的评论。以此类推，后续的每位用戶看到前面某用户的微博，进行了转发和评论，从而信息在转发网络中得到传播。转发路径上的每一位用户发表的观点都会受到前一位用户观点的影响，但是后面用户发表的微博信息不会对前面用户的观点产生影响。在图2所示的信息传播过程中，用户t+1、t+2和t+4转发并评论了用户t的微博，用户t+3转发并评论了用户t+1的微博，用户t+5转发并评论了用户t+4的微博。经过一段时间的转发和评论以后，这种信息传播关系就会形成了一个庞大的微博转发评论网络。

1.3 微博词语

微博用户关于某话题的观点可以通过其发表的微博词语显性或者隐性地表现出来。在某个时间段内，关于该话题的所有微博关键词wi构成集合W=w1，w2，w3，w4，…wi，…，wM，M为不同关键词的个数。用户t发表评论中的关键词wi，t构成集合wt={wi，t|wi，t∈W}，易知wtW。

1.4 贝叶斯更新法则

本文中假设微博用户的观点更新是局部的，每名用户的观点只由他的近邻网络用户产生影响，即用户t+1位看到用户t发表的微博信息wt后，利用贝叶斯法则调整自身观点得到Pt+1（zN|wt）和Pt+1（zP|wt），将后验观点作为自己的观点，并在微博上表达带有自已观点的评论。

其中，拉普拉斯系数0≤λ≤1，K为观点总数，本文为2。

2 微博数据挖掘与实证分析

2.1 数据获取

网络爬虫可以对网页上的数据集进行按需下载，目前爬虫技术已得到广泛应用［21-22］。采用Python编写爬虫代码进行数据挖掘，选取从2022年4月11日到2022年5月31日，在微博搜索带有关键词“动态清零政策是我国抗疫总方针”的微博评论。数据包含新华社官方微博、北京晚报官方微博和重庆日报等官方微博、网络明星、大V的微博评论及普通用户的微博发帖评论，共爬取微博评论1 250条，爬取的数据用csv格式存储。

2.2 数据清洗

微博爬取的数据不一定全部符合要求，可能存在重复、缺失等无效数据，在excel中进行数据去重和删除缺失数据及无效数据，清洗后的数据用csv格式存储。对清洗后的数据进行分词，得到所有评论中关键词有6 277个，画出词云图如图3所示。从图3中可以看出微博评论除了与“动态清零是我国抗疫总方针”相关的话题词之外，还有我国、最佳、健康、防疫、方案等词语，这些词语情感底色偏向积极情绪。

通过对爬取的微博评论数据的前三百条评论人工情感标注并训练，统计出带有积极色彩的词语占比为60%，带有消极色彩的词语占比为40%。将这两类词语的词性占比作为“动态清零政策是我国抗疫总方针”话题下转发网络中最开始发表评论的用户持有的情感先验概率，也就是公式（1）和（2）中t=0时用户的情感先验概率，分别表示为P0（zP）=0.6，P0（zN）=0.4。

2.3 微博转发网络

由爬取的数据可知，每一位网络用户转发微博时都会发表自己的观点，因此将爬取的数据中存在转发链接的用户构造转发网络图，选取网络用户作为节点，以转发为链接，转发量为权重，依照信息流通方向构造有向加权网络图，如图4所示。

从图4中可以看出网络中有多个聚类中心，意味着聚类中心的网络用户发表的微博，被多位网络用户转发，并发表其观点。图4的模块度达到0.825，说明该社会网络各网络用户之间构成的转发关系几乎不存在交互，平均转发路径长度为2.477，最长转发路径长度为8，即大多信息流通经过了大约3位用户，最多经过了8位用户且每一位用户都发表了自己的观点，那么该条转发路径每一位网络用户发表的微博评论的情感倾向都可以由式（1）和式（2）进行计算。

根据数据可知该转发网络图中点的中心度排名前5名的微博如表1所示。中心度高的节点将网络中其他大部分节点连接，对信息流转起到重要作用。从表1可以得出中心度最高的是“新华社”，其次是“何光伟”，前者是官方媒体，后者是普通网络用户，因此本文将分别对二者的信息流转进行分析，探究二者在观点演化中的作用。

2.3.1 训练评论数据

以转发为链接的微博观点演化，可以通过对按照时间先后顺序爬取的该话题的微博评论数据训练后进行推测。对评论数据的训练关键是为了求出似然函数，因此对爬取的前300条数据假设已知是积极或消极的观点下，人工标注评论中的关键词，如果关键词在消极的观点中出现概率大，就定义为消极，反之为积极。在这个过程中拉普拉斯平滑系数分别选择0.3，0.5和1。通过与300条训练数据对比，λ分别为0.3与0.5的准确率都为75%，λ为1的准确率达到78%，积极情绪的标签设置为0，召回率高达96%，消极情绪的标签设置为1，召回率为46%，可以看出模型对积极情绪的预测更为准确，如表2所示，因此选取λ为1进行计算。

消极情绪召回率不足50%，积极情绪的召回率却高达96%，从图5可以发现在训练的300条评论数据中，整体评论包含的词汇数大多小于100个，对于积极评论与消极评论中小于100个的词汇的数量没有太大差别，但是100～125，125～150和大于150个词汇的评论条数相差很大，尤其在125～150这个区间的评论数相差高达50倍，这可能导致消极词汇在模型的训练中效果并不是很好。

2.3.2 以“新华社”为中心的观点演化

对于以“新华社”发表的微博為中心的转发网络来说，“新华社”是该网络中第一位发表微博的，因此其观点的先验概率设为P0（zN）=0.4，条件概率通过式（3）和式（4）计算得Pw新华社|zN=0.309，根据式（1）和（2）计算得到“新华社”发表的评论是消极观点的概率Pt（zN）=0.304 525，是积极观点的概率Pt（zP）=0.695 475。将得到“新华社”消极观点和积极观点的后验概率作为转发“新华社”微博用户所持观点是消极还是积极的先验概率，其观点的条件概率仍由式（3）和式（4）计算，由此便可以根据式（1）和（2）计算得到其所持观点的后验概率。通过计算，可以得到以“新华社”微博为中心的网络用户发表评论的情感倾向可以定性为积极的，实际转发网络如图6所示。

从图6可以看出在以“新华社”为中心的信息传播中，转发了“新华社”微博的网络用户，其观点受到“新华社”微博的影响后，所持观点都是积极的。在该信息流通中，最长路径是经过了3个用户节点，经观察发现该路径中，中间节点用户是官方媒体，末端节点用户是普通的网络用户，在经过中间媒体加强引导后，普通网络用户受其影响所持观点是积极的。按照转发时间的先后，绘出两种观点概率的演化趋势，如图7所示。

从图7可以看出带话题转发“新华社”微博的网络用户大多是官方媒体，官方媒体所持的观点是积极的概率远大于消极的概率，对于普通用户来说他们所持的两种观点的概率虽然都有所下降，但是积极观点的概率还是大于消极观点的概率，可以得出在信息传播的过程中，官方媒体需要持续不断强化网络舆论的引导。

2.3.3 以“何光伟”为中心的观点演化

对于以何光伟发表的微博为中心的转发网络来说，“何光伟”这个用户节点并不是该网络的起始节点，在这之前信息流通经过了4个用户节点，第1位用户节点的id是“旧相识”，他首先发布微博，因此其先验概率P0（zP）=0.6，条件概率通过式（3）和式（4）计算得到Pw旧相识|zN=0.057 915，因此根据式（1）和（2）经过计算得到“旧相识”发表的评论是消极的后验概率为Pt（zN）=0.619 013。同时此结果作为转发其微博的“麦田蓑笠翁”的观点为消极的先验概率，其条件概率仍由式（3）和式（4）计算，得到Pw麦田蓑笠翁|zN=0.001 544，由此根据式（1）和（2）得到该用户所持观点为消极的后验概率仅为Pt（zN）=0.121 764。通过贝叶斯更新法则，计算发现从“旧相识”到“何光伟”的转发链，“旧相识”作为该转发链的第1位用户持有消极的观点，第2、3位用户持有积极的观点，第4位用户持有消极的观点，最后“何光伟”持有积极的观点，如图8所示。

“何光伟”的观点在受到第4位用户消极影响之下持有观点是积极的，转发其微博的用户的观点除了“一片云的精彩20863”通过公式计算是消极的其他用户都是积极的，如图9所示。从图9可以看出有两条转发链经过了8位用户，这两条转发路径中，只有“旧相识”与“金陵郭建”持消极的观点，其他用户都持有积极的观点。通过分析可以发现大多数网络用户在转发邻居用户微博时，邻居用户观点对网络用户观点的影响多为同向影响，即邻居用户持积极观点，转发其微博的网络用户也持积极的观点。普通网络用户发表的观点对网络中其他用户的影响并不是全面的，部分用户出于对该用户所持观点并不信任的原因，所持有的观点会与该用户相反。

3 结论

本文利用Python编写爬虫代码获取带有“动态清零政策是我国抗疫总方针”话题的微博评论，在对爬取的数据进行数据预处理的基础上，下载停用词并结合分词技术对评论内容进行处理。从微博情感演化趋势的角度出发，结合贝叶斯更新法则，计算得出不同转发链上各用户所持的情感观点，并利用Gephi平台，分别画出以官方媒体和普通公众为中心的整个舆情信息的情感传播网络图，找到舆情信息传播特点及用户之间的情感影响，得出结论：1）对于“动态清零政策是我国抗疫总方针”该政策的发布，官方媒体可以加强舆论引导。从上文可以得到部分普通公众对该政策是持有消极观念点的，但从以“新华社”为中心的舆情演化可以看出，转发官方媒体微博的普通网络用户，受官方媒体的影响，所持有的观点与官方媒体持是一致的，与此相反的是以“何光伟”为中心的舆情演化，可以看出转发普通公众微博的网络用户，部分网络用户的观点甚至与该公众截然相反。造成该结果的可能原因是官方媒体有着意见领袖的圈层影响力，并能凭借自身公信力让普通公众信服其观点，相反普通公众就不存在公信力，普通用户对其所持有的观点会保有怀疑的态度，因此官方媒体可以以通过本身庞大的粉丝量级以及意见领袖的圈层影响力，增大微博内容曝光率，强化主流正向舆论对用户的影响。2）舆情的传播网络图中展示了有利于正确引导公众情绪的关键用户。从表1可以得到中心度排名前五的用户，这些中心活跃用户对其他用户的影响作用非常大。尤其是“新华社”和“何光伟”，不仅影响舆情信息的传播，还影响公众的情绪，而且通过分析发现，这种影响多为同向的影响，即持有积极观点的博文，转发该博文的用户所持观点通过计算发现也多为积极的，持有消极观点的博文，转发该博文的用户所持观点通过计算发现也多为消极的。因此，中心度强的用户所持有观点的积极性对控制舆情会起到良好效果。

本文通过将情感观点的演化与网络分析结合，利用贝叶斯更新法则，对该话题下以官方媒体和普通公众为中心的舆情观点演化进行了分析。但是在建立的关于“动态清零政策是我国抗疫总方针”的微博情感演化基础上，还可以进一步将用户微博评论情感倾向假设为用户自已的观点与对近邻用户的信任程度的加权共同影响；同时还可以探究用户的情感倾向与地域、性别、年龄、教育经历、粉丝数目等的相关关系，结合SVM、逻辑回归等机器学习模型，做出微博用户舆情画像，及时预测用户观点演化趋势并做出引导。

参考文献：

［1］中国互联网络中心．第49次中国互联网络发展状况统计报告［R］.北京：中国互联网络中心，2022．

China Internet Network Information Center. The 49th China statistical report on internet development ［R］.Beijing： CNNI，2022．

［2］李慧， 王丽婷.基于词项热度的微博热点话题发现研究［J］. 情报科学，2018，36（4）：45-50.

LI H， WANG L T.Research on microblog hot topic discovery based on word item popularity［J］. Information Science， 2018，36（4）： 45-50.

［3］陈娟，刘燕平，邓胜利.政务微博辟谣信息传播效果的影响因素研究［J］.情报科学，2018，36（1）：91-95.

CHEN J， LIU Y P， DENG S L. Research on the influencing factors of information dissemination effect of government microblog dispelling rumors［J］.  Information Science， 2018， 36（1）： 91-95.

［4］陈春阳，黄秀玲. 微博舆情的生成机制和传播规律研究［J］. 情报科学，2018， 36（4）：32-37.

CHEN C Y， HUANG X L. Research on generation mechanism and propagation law of microblog public opinion ［J］.Information Science， 2018， 36（4）： 32-37.

［5］纪雪梅. 特定事件情境下中文微博用户情感挖掘与传播研究［D］. 天津：南开大学，2014.

JI X M. Research on sentiment mining and communication of Chinese microblog users in specific event context［D］. Tianjin： Nankai University， 2014.

［6］张鹏，兰月新，李昊青，等. 基于HAYASHI数量化理论的网络谣言分类应对策略分析［J］. 情报杂志，2016，35（1）：110-115.

ZHANG P， LAN Y X， LI H Q， et al. Analysis of internet rumor classification based on HAYASHI quantification theory ［J］. Journal of Information， 2016， 35（1）： 110-115.

［7］楊爽，陈芬. 基于SVM多特征融合的微博情感多级分类研究［J］. 数据分析与知识发现， 2017， 1（2）：73-79.

YANG S， CHEN F. Research on micro-blog sentiment multi-level classification based on SVM multi-feature fusion ［J］. Data Analysis and Knowledge Discovery， 2017， 1（2）： 73-79.

［8］徐军，丁宇新，王晓龙. 使用机器学习方法进行新闻的情感自动分类［J］. 中文信息学报，2007（6）：95-100.

XU J， DING Y X， WANG X L. Automatic sentiment classification of news based on machine learning［J］.  Journal of Information Science， 2007（6）： 95-100.

［9］WAJDI A， FURQAN R， MOHAMED W M， et al. Sentiment analysis on twitter data integrating textBlob and deep learning models： The case of US airline industry［J］. Knowledge-Based Systems， 2022， 255： 109780.

［10］ FITRI  V  A， ANDRESWARI  R， HASIBUAN M  A. Sentiment analysis of social media twitter with case of anti-LGBT campaign in Indonesia using nave bayes， decision tree， and random forest algorithm［J］. Procedia Computer Science， 2019， 161： 765-772.

［11］ RUZ G A， HENRIQUZE P A， MASCARENO A. Sentiment analysis of Twitter data during critical events through Bayesian networks classifiers［J］. Future Generation Computer Systems， 2020， 106： 92-104.

［12］ BILAL M， ISRAR H， SHAHID M， et al. Sentiment classification of Roman-Urdu opinions using nave bayesian， decision tree and KNN classification techniques［J］. Journal of King Saud University-Computer and Information Sciences， 2016， 28（3）： 330-344.

［13］ NGUYEN D A， NGO V L， NGUYEN K A， et al. Boosting prior knowledge in streaming variational Bayes［J］. Neurocomputing， 2021， 424： 143-159.

［14］ KRAFFT P M， SHMUELI E， GRIFFITHS T L， et al. Bayesian collective learning emerges from heuristic social learning［J］. Cognition， 2021， 212： 104469.

［15］ JADBABAIE A， MOLAVI P， SANDRONI A， et al. Non-Bayesian social learning［J］. Games and Economic Behavior， 2012， 76（1）： 210-225.

［16］ FANG A L. The influence of communication structure on opinion dynamics in social networks with multiple true states［J］. Applied Mathematics and Computation， 2021， 406： 126262.

［17］ NAVARRO D J， PERFORS A， KARY A， et al. When extremists win： cultural transmission via iterated learning when populations are heterogeneous［J］. Cognitive Science， 2018， 42（7）： 2108-2149.

［18］ THOMPSON B， GRIFFITHS T. Inductive biases constrain cumulative cultural evolution［C］//Colleen M. Proceedings of the 41th Annual Meeting of the Cognitive Science Society. Canada： CogSci， 2019： 1111-1117.

［19］ HSU C C， AJORLOU A， JADBABAIE A. A theory of misinformation spread on social networks［J］. SSRN Electronic Journal， 2019：3391585.

［20］ ZERVOUDAKIS S， MARAKAKIS E， KONDYLAKIS H， et al. Opinion mine： a Bayesian-based framework for opinion mining using twitter data［J］. Machine Learning with Applications， 2021， 3： 100018.

［21］ PINKERTON B， Finding what people want： experiences with the WebCrawler［C］// Proceedings of the 2nd International World Wide Web. Medford， NJ， USA： Learned Information， 1994.

［22］ AHMADI-ABKENARI F， SELAMAT A. An architecture for a focused trend parallel Web crawler with the application of clickstream analysis［J］. Information Sciences， 2012， 184（1）： 266-281.

（責任编辑 耿金花）

收稿日期： 2022-10-31；修回日期：2022-11-18

基金项目： 国家自然科学基金（62273172）；山东省自然科学基金（ZR2020MF078）

第一作者： 刘颖（1998-），女，山东蓬莱人，硕士研究生，主要研究方向为数据挖掘与分析。

通信作者： 方爱丽（1971-），女，山东蓬莱人，博士，副教授，主要研究方向为复杂网络理论与应用。